首页> 外国专利> Convolutional recurrent neural networks for small-footprint keyword spotting

Convolutional recurrent neural networks for small-footprint keyword spotting

机译：卷积递归神经网络用于小足迹关键词发现

页面导航

摘要
著录项
相似文献

摘要

Described herein are systems and methods for creating and using Convolutional Recurrent Neural Networks (CRNNs) for small-footprint keyword spotting (KWS) systems. Inspired by the large-scale state-of-the-art speech recognition systems, in embodiments, the strengths of convolutional layers to utilize the structure in the data in time and frequency domains are combined with recurrent layers to utilize context for the entire processed frame. The effect of architecture parameters were examined to determine preferred model embodiments given the performance versus model size tradeoff. Various training strategies are provided to improve performance. In embodiments, using only ˜230 k parameters and yielding acceptably low latency, a CRNN model embodiment demonstrated high accuracy and robust performance in a wide range of environments.

机译：在此描述的是用于创建和使用卷积递归神经网络（CRNN）的系统和方法，以用于小尺寸关键词发现（KWS）系统。在大规模先进的语音识别系统的启发下，在实施例中，在时域和频域中利用数据中的结构的卷积层的优势与递归层相结合，以将上下文用于整个处理后的帧。考虑到性能与模型尺寸的权衡，检查了体系结构参数的影响以确定优选的模型实施方案。提供了各种培训策略来提高绩效。在实施例中，仅使用〜230 k参数并产生可接受的低等待时间，CRNN模型实施例在广泛的环境中展示了高精度和鲁棒性能。

著录项

公开/公告号US10540961B2

专利类型
公开/公告日2020-01-21

原文格式PDF
申请/专利权人 BAIDU USA LLC;
展开▼

申请/专利号US201715688221
发明设计人 SERCAN ARIK;MARKUS KLIEGL;REWON CHILD;JOEL HESTNESS;ANDREW GIBIANSKY;CHRISTOPHER FOUGNER;RYAN PRENGER;ADAM COATES;
展开▼

申请日2017-08-28
分类号G10L15/16;G06F3/16;G10L15/18;G10L21/0208;G06N3/04;G06N3/08;
国家 US
入库时间 2022-08-21 11:27:22

相似文献

专利
外文文献
中文文献